多特征编码融合的图像分类研究

词袋 (Bag-of-Words) 模型是图像分类研究中最广泛同时也最有效的框架模型之一，然而，字典的最优设计仍然是该模型中重要的研究内容。直观来说，字典越大，图像分类准确度就越高，但同时也需要更高的计算资源和存储代价。鉴于此，本文提出通过对多个小字典下获取的特征编码，通过对特征编码进行在线加权融合，使得组合结果与大字典下获取的特征编码一样具有较强的判别性，从而提高图像分类准确度。在特征融合阶段，本文改进了OPA (Online Passive-Aggressive) 算法，得到了权值更新的闭式解。实验结果验证了本文算法的有效性。